函数用法
从行或列中删除指定的标签
通过指定标签名称和相应的轴，或直接指定索引或列名称，删除行或列。使用多索引时，可以通过指定级别来删除不同级别上的标签
函数参数
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
参数解释：
- labels：单个标签或类似列表,要删除的索引或列标签。
- axis：{0或'index'，1或'columns'}，默认0,是从索引（0或“ index”）还是从列（1或“ columns”）中删除标签。
- index：单个标签或类似列表,指定轴的替代方法（labels, axis=0 is equivalent to index=labels）
- columns：单标签或类似列表,指定轴的替代方法(labels, axis=1 is equivalent to columns=labels)
- level：int或级别名称，可选,对于MultiIndex，将从中删除标签的级别。
- inplace：布尔值，默认为False，如果为False，则返回副本。否则，执行就地操作并返回无。
- errors：{'ignore'，'raise'}，默认为'raise'，如果'ignore'，则抑制错误，仅删除现有标签 。
注意：labels和axis的搭配
例子
#构建一个表 df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=['A', 'B', 'C', 'D']) df
A B C D
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
删除列，需要注明axis=1或者是columns=xxx
#一种表达 df.drop(['B', 'C'], axis=1) #另一种表达 df.drop(columns=['B', 'C']) #还可以这样表达 df.drop(labels=['B', 'C'], axis=1)
A D
0 0 3
1 4 7
2 8 11
删除行，由于默认是删除行，因此可以这样子表达，
df.iloc[[0,1],:] #对行、列进行切片 第1、2行
df.drop([0, 1])
A B C D
2 8 9 10 11
删除MultiIndex 行或者列
#新建一个复合索引的表 midx = pd.MultiIndex(levels=[['lama', 'cow', 'falcon'], ['speed', 'weight', 'length']], codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2], [0, 1, 2, 0, 1, 2, 0, 1, 2]]) df = pd.DataFrame(index=midx, columns=['big', 'small'], data=[[45, 30], [200, 100], [1.5, 1], [30, 20], [250, 150], [1.5, 0.8], [320, 250], [1, 0.8], [0.3, 0.2]]) df
big small
lama speed 45.0 30.0
weight 200.0 100.0
length 1.5 1.0
cow speed 30.0 20.0
weight 250.0 150.0
length 1.5 0.8
falcon speed 320.0 250.0
weight 1.0 0.8
length 0.3 0.2
删除行
#删除 df.drop(index='length', level=1)
big small
lama speed 45.0 30.0
weight 200.0 100.0
cow speed 30.0 20.0
weight 250.0 150.0
falcon speed 320.0 250.0
weight 1.0 0.8
删除列
#删除某行某列 df.drop(index='cow', columns='small')
big
lama speed 45.0
weight 200.0
length 1.5
falcon speed 320.0
weight 1.0
length 0.3